Numer: 05/2025 Str. 89
Autorzy: Natalia Piegat , Wojciech Kijaszek , Sergiusz Patela , Artur Wymysłowski :
Tytuł: Wpływ typu danych elipsometrycznych na dokładność przewidywania grubości SiO2 dla różnych algorytmów uczenia maszynowego
Streszczenie: Dokładne pomiary grubości cienkich warstw dielektrycznych mają kluczowe znaczenie dla różnych zastosowań w przemyśle półprzewodnikowym. W pracy zbadano wpływ różnych typów danych elipsometrycznych na dokładność predykcji grubości SiO2 przy zastosowaniu różnych algorytmów uczenia maszynowego. Porównano wydajność algorytmów, takich jak drzewo decyzyjne, k-najbliższych sąsiadów i losowy las decyzyjny, po przeszkoleniu na różnych typach danych elipsometrycznych. Algorytmy zostały wytrenowane na zestawach danych dla warstw SiO2 o grubości od 1 do 50 nanometrów. Dokładność wytrenowanych algorytmów została zweryfikowana na wynikach pomiarów przygotowanych struktur testowych SiO2/Si. Analiza wyników eksperymentu wykazała, że wybór danych elipsometrycznych znacząco wpływa na dokładność przewidywania badanych algorytmów.
Słowa kluczowe: elipsometria spektroskopowa, uczenie maszynowe, drzewo decyzyjne, k-najbliższych sąsiadów, losowy las decyzyjny